Ежедневный высокоразрешённый набор данных CO₂ для Китая (2016–2020)

Почему важно отслеживать углеродный след Китая

Диоксид углерода — главный антропогенный газ, нагревающий планету, и Китай в настоящее время является крупнейшим эмитентом в мире. Тем не менее даже в этой внимательно наблюдаемой стране до сих пор не было ясной покадровой картины о том, как углеродное загрязнение и естественное поглощение углерода меняются по её обширной территории день за днём. В этой статье представлен новый высокоразрешённый набор данных, отображающий атмосферный CO₂ над Китаем каждый день в период с 2016 по 2020 год, что даёт более чёткое представление о том, откуда приходит углерод, где он поглощается и как эти картины изменяются по сезонам.

Пробелы в наблюдении невидимого газа

Сам по себе CO₂ невидим, как и многие процессы, которые его выделяют или поглощают. В течение многих лет учёные полагались на два основных инструмента: разрозненные наземные станции, измеряющие воздух в фиксированных точках, и спутники, сканирующие атмосферу из космоса. Наземные станции очень точны, но редки и не охватывают большую часть страны между ними. Спутники, такие как OCO‑2 НАСА, дают широкое покрытие, но видят лишь узкие полосы Земли на каждой орбите и часто закрываются облаками и дымкой. В результате сырые спутниковые карты CO₂ полны пробелов по пространству и времени, что ограничивает их полезность для отслеживания региональных эмиссий или проверки климатической политики.

Слияние множества подсказок в единое ясное изображение

Чтобы заполнить эти пробелы, исследователи разработали метод, который изучает поведение CO₂, комбинируя спутниковые показания с широким набором другой информации. В качестве отправной точки использовали точные, но фрагментарные измерения CO₂ с OCO‑2 и упорядочили их на тонкой сетке по Китаю с шагом примерно 10 километров. На эту сетку наложили данные о погоде, температуре, влажности, солнечном освещении, влажности почвы, состоянии растительности, эмиссиях ископаемого топлива, ночных огнях (как индикаторе экономической активности) и эмиссиях от пожаров, а также другие спутниковые продукты по CO₂ и глобальные поля реанализа. Мощный алгоритм машинного обучения XGBoost был обучен предсказывать CO₂ везде и каждый день по совокупности этих подсказок, фактически изучая, как различные условия и виды деятельности отпечатываются в составе воздуха над территорией.

Более умная настройка для сложной модели

Современные модели машинного обучения способны улавливать очень тонкие закономерности, но известны своей чувствительностью к внутренним настройкам. Вместо ручной подстройки команда применила стратегию, заимствованную из статистики, — байесовскую оптимизацию. Этот подход методично ищет комбинации параметров модели, обеспечивающие наилучшую работу, опираясь на результаты предыдущих испытаний, а не на случайные догадки. Они также использовали новую технику под названием SHAP, которая позволяет разложить каждое предсказание модели на вклад отдельных факторов, таких как эмиссии ископаемого топлива, растительность или влажность. Такая прозрачность помогает убедиться, что модель отражает реальные физические процессы — например, что более зелёные районы обычно поглощают больше CO₂ из воздуха — а не порождает ложные закономерности, скрытые в данных.

Что показывают новые карты

Получившийся набор данных даёт бесшовные ежедневные карты среднеуровневой концентрации CO₂ над Китаем за период 2016–2020 годов. В сравнении с удерживаемыми для проверки наблюдениями OCO‑2 восстановленные значения очень хорошо согласуются с ними, объясняя примерно 98% наблюдаемой изменчивости и в среднем отличаясь менее чем на 1 часть на миллион. Независимые проверки на высокоточных наземных станциях в Хэфэе и Сянхэ подтверждают, что новый продукт как минимум столь же надёжен, а часто и превосходит устоявшиеся глобальные реанализные наборы. Карты подчёркивают чёткую картину повышенных концентраций CO₂ над восточными промышленными регионами и густонаселенными городскими кластерами, и более низкие значения над высокими плато и крупными лесными массивами. Они также фиксируют сильные сезонные колебания: CO₂ растёт зимой, когда увеличивается потребность в отоплении и электроэнергии, а рост растений замедляется, и падает летом, когда растительность достигает пика.

Как это помогает климатическим действиям

Для неспециалистов главный вывод в том, что теперь у нас есть гораздо более чёткое и непрерывное представление о CO₂ над Китаем — день за днём, регион за регионом. Этот набор данных напрямую не измеряет выбросы заводов или городов, но значительно улучшает нашу способность видеть их следы в атмосфере, отделять их от природной изменчивости и проверять, приносят ли усилия по сокращению выбросов измеримые результаты. На практике эти высокоразрешённые карты могут помочь учёным уточнять оценки источников и поглотителей углерода, помогать политикам отслеживать прогресс в достижении целей Китая по пику выбросов и углеродной нейтральности, а также направлять промышленность и города при планировании более чистого, климатически ориентированного будущего.

Цитирование: Yuan, Z., Liu, Y., Yang, A. et al. A high-resolution daily CO₂ dataset for China (2016–2020). Sci Data 13, 249 (2026). https://doi.org/10.1038/s41597-026-06569-w

Ключевые слова: диоксид углерода, данные со спутников, эмиссии Китая, машинное обучение, климатический мониторинг